後疫情時代 製造業趁勢導入AI強化產線韌性

製造業在後疫情時代,應加速數位轉型,藉此逐步進入AI人工智慧時代。圖/Pixabay

文/馮文生 工研院巨量資訊科技中心執行長暨AI應用策略辦公室副主任

新型冠狀病毒肺炎(COVID-19)疫情在臺灣雖已逐漸趨緩,但卻對全球製造供應鏈造成不小的衝擊,更考驗著製造業的韌性與遠端營運管理的能力。經濟部長沈榮津也呼籲,疫情雖對製造業造成影響,但同時也是製造業加速數位轉型、提升產業競爭力的機會,應該藉由此次機會逐步進入AI人工智慧時代。

當前製造業者普遍面臨幾項困境,包括:人力短缺、設備無預警故障、產品良率不足。因此,製造業者若要在此波疫情下突圍,當務之急就是要針對企業內部好好的「健檢」一番,盤點產線的優勢與不足,妥善運用大數據、AI人工智慧等利器改善體質,讓工廠產線轉型升級智慧製造。

建議製造業者可思考以下3點:機器手臂智慧化、機台設備故障預警示、製程調控最佳化,方能在此波疫情中逆勢突圍,甚至更上層樓,鞏固產線的韌性與競爭力。

第一、機器手臂智慧化。人力不足是臺灣傳產製造業者普遍面臨的首要問題,今年更因疫情影響,世界各國紛紛禁飛、禁航,導致製造業者勞動力短缺;此外,製造業也正面臨市場「少量多樣」的產品需求,業者將更頻繁地換線生產,以迎合瞬息萬變的市場。因此,工研院以AI人工智慧深度增強式學習開發「機器人自主學習夾取技術」,可讓機器手臂在短短12小時學會夾取不同形狀、任意擺放的工件取放料技術,補足勞力需求,解決目前工廠換線,須仰賴專業工程師耗時耗力調整機器手臂的瓶頸。

第二、設備故障預警示。產線機台、設備無預警故障,造成整條產線停擺,是製造業者的致命傷。輕則產線上的半成品報廢,重則交期延遲,甚至有損商譽。因此,工研院整合十幾種AI人工智慧演算法研發「半導體機台故障預診斷」,來分析機台設備過往的故障紀錄、並建置預測模型,針對產線機台設備與零件的健康狀態,進行維修時間點的預測,即時監控、提前預警、用維護取代維修,就能大幅降低設備突發停機帶來的風險,確保產線運作的穩定。

第三、製程調控最佳化。對製造業者來說如何提高產品良率,是降低生產成本及提高產品品質的關鍵。以半導體製程為例,大多需依客戶要求的規格來調整製程配方參數,而過去製程工程師調整參數時,多憑自身領域知識與經驗,但過程耗時、耗材,工程師經驗也不易累積成為公司的研發資產。因此,工研院整合多種先進AI人工智慧演算法研發「製程分析與參數最佳化技術」,建構製程模型來描述製程參數和產品品質間的關聯,快速估測產品品質特性、優化產品品質,也可與製程工程師透過協作模式,減少實驗次數,有效縮短先進製程的研發週期、提升良率。

大數據分析與AI人工智慧將是後疫情時代,製造業逆境突圍的最佳利器。對此,工研院擘劃2030技術策略與藍圖,分別在「永續環境」以及「共通基礎技術」中,長期投入智慧製造與AI人工智慧應用領域研發創新技術,協助臺灣製造業加速轉型升級、強化韌性,更可望讓產業有足夠競爭力抵禦全球供應鏈劇變的風險。

>>訂閱名家評論周報,關心全球財經大小事

延伸閱讀